白牧可，唐 巍，吳 聰，徐鷗洋，馮洪濤

（中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，北京 100083）

0 引言

能源是人類賴以生存和發(fā)展的基礎(chǔ)，是國(guó)民經(jīng)濟(jì)的命脈。如何提高社會(huì)能源利用效率、促進(jìn)可再生能源規(guī)?；_發(fā)、減少用能過(guò)程中的環(huán)境污染、提高社會(huì)基礎(chǔ)設(shè)施利用率和能源供應(yīng)安全，已成為國(guó)際能源領(lǐng)域重要的戰(zhàn)略研究方向［1］。在能源需求大幅度增長(zhǎng)與環(huán)境保護(hù)日益迫切的雙重壓力下，許多國(guó)家將注意力轉(zhuǎn)向了綜合能源系統(tǒng)IES（Integrated Energy System）［2］。 IES特指在規(guī)劃、建設(shè)和運(yùn)行等過(guò)程中，通過(guò)對(duì)能源的產(chǎn)生／傳輸／分配（能源供應(yīng)網(wǎng)絡(luò)）、轉(zhuǎn)換、存儲(chǔ)、消費(fèi)等環(huán)節(jié)進(jìn)行有機(jī)協(xié)調(diào)與優(yōu)化后形成的能源產(chǎn)供銷一體化系統(tǒng)。它由社會(huì)供能網(wǎng)絡(luò)、能源交換環(huán)節(jié)和廣泛分布的終端綜合能源單元構(gòu)成。在用戶側(cè)配置的IES稱為用戶側(cè)綜合能源系統(tǒng)（USIES），USIES為用戶提供電能和熱能，主要由微型能源站、能源網(wǎng)絡(luò)及負(fù)荷組成。

IES的研究最早來(lái)源于熱電聯(lián)產(chǎn)CHP（Combined Heat and Power）熱電協(xié)同優(yōu)化領(lǐng)域，目前已擴(kuò)展至分布式能源系統(tǒng)、冷熱電聯(lián)產(chǎn)CCHP（Combined Cold Heat and Power）系統(tǒng)等。 在規(guī)劃方面，文獻(xiàn)［3］建立了包含節(jié)能分析、二氧化碳減排和年節(jié)約總成本的多目標(biāo)函數(shù)，研究了不同天氣下CCHP配置成本優(yōu)化方案，但在規(guī)劃中未考慮供能網(wǎng)絡(luò)；文獻(xiàn)［4］結(jié)合電網(wǎng)與氣網(wǎng)對(duì)商業(yè)和辦公建筑區(qū)域進(jìn)行了CCHP容量配置，并對(duì)優(yōu)化方案的運(yùn)行維護(hù)成本、人員成本、向電網(wǎng)售電收益及天然氣節(jié)約收益進(jìn)行了經(jīng)濟(jì)評(píng)估，但在規(guī)劃中未考慮系統(tǒng)網(wǎng)架規(guī)劃；文獻(xiàn)［5］考慮運(yùn)行優(yōu)化，以年費(fèi)用和運(yùn)行費(fèi)用最小為目標(biāo)建立了嵌入機(jī)會(huì)約束規(guī)劃的能源站規(guī)劃模型，但機(jī)會(huì)約束規(guī)劃概率模型不能反映儲(chǔ)能時(shí)序特點(diǎn)，因此對(duì)儲(chǔ)能元件不適用，且其未考慮分布式能源接入后的新增管道問(wèn)題；文獻(xiàn)［6］考慮了電網(wǎng)、水網(wǎng)、氣網(wǎng)綜合網(wǎng)架，對(duì)基于分布式能源的CHP進(jìn)行選址定容，雖然對(duì)分布式能源的選址定容與供能網(wǎng)絡(luò)進(jìn)行了聯(lián)合規(guī)劃，但在規(guī)劃中未考慮系統(tǒng)運(yùn)行的時(shí)序性，忽略了運(yùn)行調(diào)度對(duì)規(guī)劃結(jié)果的影響；文獻(xiàn)［7］考慮優(yōu)化調(diào)度，研究了多個(gè)CCHP熱網(wǎng)互聯(lián)情況下的容量配置問(wèn)題，但未考慮電網(wǎng)網(wǎng)架的規(guī)劃。

在運(yùn)行策略優(yōu)化方面，以能源效益、環(huán)境效益、經(jīng)濟(jì)效益（最大節(jié)能率、最小溫室氣體排放量、最小運(yùn)行維護(hù)費(fèi)用、最小能源費(fèi)用、最小年運(yùn)行費(fèi)用）為優(yōu)化目標(biāo)，采用整數(shù)線性規(guī)劃、混合整數(shù)線性規(guī)劃、遺傳算法、粒子群優(yōu)化等數(shù)學(xué)優(yōu)化技術(shù)，求解CHP系統(tǒng)運(yùn)行策略。但文獻(xiàn)［8-12］在進(jìn)行CHP系統(tǒng)優(yōu)化調(diào)度時(shí)，未考慮熱網(wǎng)與電網(wǎng)的運(yùn)行特性以及熱網(wǎng)與電網(wǎng)之間的耦合關(guān)系，對(duì)優(yōu)化結(jié)果的準(zhǔn)確性有較大影響。文獻(xiàn)［13］研究了區(qū)域IES優(yōu)化調(diào)度方法，建立了以電為核心的IES優(yōu)化調(diào)度模型，采用粒子群優(yōu)化算法作為調(diào)度模型求解算法；文獻(xiàn)［14］基于對(duì)能量樞紐內(nèi)CHP機(jī)組熱電比可調(diào)的考慮，構(gòu)建了區(qū)域IES優(yōu)化運(yùn)行的雙層優(yōu)化模型，實(shí)現(xiàn)內(nèi)部機(jī)組高效運(yùn)行和外部能源經(jīng)濟(jì)分配，通過(guò)卡羅需-庫(kù)恩-塔克條件將雙層優(yōu)化轉(zhuǎn)換為單層優(yōu)化模型，并用確定性優(yōu)化軟件求解。但文獻(xiàn)［13-14］未考慮風(fēng)光等可再生能源的利用。

日益嚴(yán)重的環(huán)境危機(jī)促進(jìn)了可再生分布式能源的大力發(fā)展，IES中包含可再生分布式能源的結(jié)合已成為必然趨勢(shì)。當(dāng)前對(duì)風(fēng)力、光伏及生物質(zhì)等多類型能源綜合發(fā)電已進(jìn)行了相關(guān)研究。文獻(xiàn)［15-17］從規(guī)劃的角度，以經(jīng)濟(jì)技術(shù)指標(biāo)為目標(biāo)函數(shù)，提出了風(fēng)力發(fā)電、光伏發(fā)電和儲(chǔ)能等各類電源的選址定容優(yōu)化方法；文獻(xiàn)［18］從運(yùn)行的角度，提出了多時(shí)間尺度的風(fēng)電和儲(chǔ)能聯(lián)合調(diào)度模型與方法；文獻(xiàn)［19］從控制的角度，提出了快速跟蹤系統(tǒng)動(dòng)態(tài)響應(yīng)的功率控制策略。文獻(xiàn)［15-19］研究了風(fēng)-光-儲(chǔ)的聯(lián)合規(guī)劃、運(yùn)行方法和策略，為提高風(fēng)電、光伏發(fā)電的接納能力提供了方法和途徑。

對(duì)目前的IES規(guī)劃研究多考慮不全面，如未同時(shí)考慮容量配置與供能網(wǎng)絡(luò)優(yōu)化，未同時(shí)考慮供能網(wǎng)絡(luò)與可再生能源的利用，未同時(shí)考慮熱網(wǎng)與電網(wǎng)綜合網(wǎng)架規(guī)劃。由于風(fēng)機(jī)出力、光伏出力具有時(shí)序變化特性，含不可控分布式電源的IES規(guī)劃應(yīng)結(jié)合能源優(yōu)化調(diào)度，才能得到更準(zhǔn)確的運(yùn)行數(shù)據(jù)，目前同時(shí)考慮容量配置、供能網(wǎng)絡(luò)優(yōu)化及系統(tǒng)運(yùn)行的IES規(guī)劃研究很少。本文結(jié)合能源優(yōu)化調(diào)度，以經(jīng)濟(jì)、節(jié)能、環(huán)保為目標(biāo)，考慮風(fēng)機(jī)、光伏、儲(chǔ)能、微型燃?xì)廨啓C(jī)（MT）及燃?xì)忮仩t（GB）5種分布式能源，建立基于熱網(wǎng)-電網(wǎng)綜合潮流并考慮優(yōu)化運(yùn)行的用戶側(cè)微型能源站選址定容及接入網(wǎng)絡(luò)的非線性二層規(guī)劃模型，采用遺傳算法與粒子群優(yōu)化算法進(jìn)行求解，并且通過(guò)算例進(jìn)行仿真驗(yàn)證。

1 USIES網(wǎng)絡(luò)模型

USIES主要為用戶提供電能和熱能，由微型能源站、能源網(wǎng)絡(luò)及負(fù)荷組成。微型能源站中的分布式電源包括風(fēng)機(jī)、光伏、儲(chǔ)能等，分布式熱源包括GB等，MT既可以供電又可以供熱。能源網(wǎng)絡(luò)包括電網(wǎng)和熱網(wǎng)，將用戶與微型能源站連接起來(lái)。

當(dāng)USIES內(nèi)某些元件既供熱又供電時(shí)，熱網(wǎng)與電網(wǎng)之間就存在耦合，為了得到更加精確的結(jié)果，應(yīng)采用熱網(wǎng)-電網(wǎng)綜合潮流對(duì)USIES進(jìn)行分析。

1.1 熱網(wǎng)模型及計(jì)算

集中供熱系統(tǒng)由熱源、熱網(wǎng)和熱用戶三部分組成。熱網(wǎng)包含以水或蒸汽為介質(zhì)的供水管網(wǎng)和回水管網(wǎng)，它將熱源與熱用戶連接起來(lái)。

熱網(wǎng)仿真涉及的變量有：管道內(nèi)的壓力和質(zhì)量流量，管網(wǎng)節(jié)點(diǎn)的供水溫度、回水溫度和熱功率。利用水力平衡分析和熱力平衡分析，可確定各管內(nèi)的質(zhì)量流量以及各節(jié)點(diǎn)的供水溫度和回水溫度?；趫D論對(duì)熱網(wǎng)絡(luò)拓?fù)溥M(jìn)行描述，借鑒電力系統(tǒng)分析中成熟的潮流算法計(jì)算熱網(wǎng)潮流。

1.1.1 水力模型及計(jì)算［20］

a.水力模型。

水力平衡滿足基爾霍夫定律：

其中，A為熱網(wǎng)關(guān)聯(lián)矩陣，描述了節(jié)點(diǎn)與管道的連接關(guān)系，關(guān)聯(lián)矩陣A的每行代表一個(gè)節(jié)點(diǎn)，每列代表一條管道；m為每條管道內(nèi)的質(zhì)量流量向量（kg／s）；mq為注入每個(gè)節(jié)點(diǎn)的質(zhì)量流量向量；B為基本回路矩陣，描述回路與管道的關(guān)系；hf為水頭損失向量。

b.水力模型計(jì)算。

本文從質(zhì)量流率方程的角度，并采用牛頓-拉夫遜法來(lái)計(jì)算水力模型。水力模型的牛頓-拉夫遜法迭代形式為：

其中，ΔF為修正變量；J為雅可比矩陣；i為迭代次數(shù)；npipe為熱力管道的段數(shù)（k=1，2，…，npipe）為迭代第i+1次時(shí)第k段管道的質(zhì)量流量（kg／s）。

1.1.2 熱力模型及計(jì)算

（1）熱力模型。

熱力模型可以確定每個(gè)節(jié)點(diǎn)的溫度。節(jié)點(diǎn)有3種溫度：供水溫度（Ts）、出口溫度（To）和回水溫度（Tr）。出口溫度是指每個(gè)熱負(fù)荷點(diǎn)的出口處溫度，設(shè)定為已知。

a.熱功率計(jì)算方程。

其中，φ為負(fù)荷節(jié)點(diǎn)的熱功率（W）；Cp為水的比熱（J／（kg·℃））；mqnode為注入該節(jié)點(diǎn)質(zhì)量流量（kg ／s）；Ts，load為負(fù)荷供水溫度；To，load為負(fù)荷出口溫度。

b.熱力網(wǎng)絡(luò)平衡方程。

其中，Tout為節(jié)點(diǎn)的混合溫度（℃），即水流從熱負(fù)荷出來(lái)后進(jìn)入回水管道的交匯點(diǎn)混合溫度；mout為管道內(nèi)離開節(jié)點(diǎn)的質(zhì)量流量（kg／s）；Tin為進(jìn)管末端水流的溫度（℃）；min為管道內(nèi)進(jìn)入節(jié)點(diǎn)的質(zhì)量流量（kg／s）。

c.溫度損失計(jì)算。

其中，Tstart和Tend分別為某段管道首、末端的溫度（℃）；Ta為環(huán)境溫度；λ 為管道的傳熱系數(shù)（W／（m·K））；Lpipe為該管道的長(zhǎng)度（m）；mpipe為該管道內(nèi)的質(zhì)量流量（kg／s）。

（2）熱力模型計(jì)算。

基于已有的熱源供水溫度求解各負(fù)荷點(diǎn)的供水溫度，先進(jìn)行供水溫度的計(jì)算；基于已知的每戶熱負(fù)荷出水溫度求解各負(fù)荷點(diǎn)匯合后的回水溫度以及各熱源的回水溫度，再進(jìn)行回水溫度計(jì)算。

供水溫度計(jì)算的線性方程組為：

其中，Cs為系數(shù)矩陣；T′s為未知變量，即供水溫度構(gòu)成的向量；bs為常數(shù)矩陣。

回水溫度計(jì)算的線性方程組為：

其中，Cr為系數(shù)矩陣；T′r為未知變量，即回水溫度構(gòu)成的向量；br為常數(shù)矩陣。

供水溫度與回水溫度的線性方程組均通過(guò)牛頓-拉夫遜法進(jìn)行求解。

1.1.3 水力-熱力模型聯(lián)合計(jì)算

當(dāng)已知各節(jié)點(diǎn)（松弛節(jié)點(diǎn)除外）的熱功率時(shí)，熱網(wǎng)水力-熱力模型聯(lián)合求解的結(jié)構(gòu)圖如圖1所示。

圖1 水力-熱力模型聯(lián)合計(jì)算結(jié)構(gòu)圖Fig.1 Flowchart of combined calculation for hydraulic-thermal model

1.2 電網(wǎng)模型及計(jì)算

1.2.1 電網(wǎng)模型

其中，Pi、Qi分別為節(jié)點(diǎn)i注入的有功功率和無(wú)功功率；Gij、Bij、δij分別為節(jié)點(diǎn) i、j之間的電導(dǎo)、電納和電壓相角差；n 為系統(tǒng)節(jié)點(diǎn)總數(shù)；Ui、Uj分別為節(jié)點(diǎn) i、j的電壓幅值。

1.2.2 電網(wǎng)模型計(jì)算

由于牛頓-拉夫遜法本身對(duì)電壓初值非常敏感，每次迭代雅可比矩陣形式復(fù)雜，而且需要求逆計(jì)算，計(jì)算量大，影響了計(jì)算速度，并且用戶側(cè)微型能源站中配電網(wǎng)具有較大的R／X，致使其在配電網(wǎng)中存在收斂困難的問(wèn)題，因此本文采用前推回代法進(jìn)行電網(wǎng)潮流計(jì)算，具體過(guò)程可參考文獻(xiàn)［21］，此處不再贅述。

1.3 熱電耦合元件模型

電力網(wǎng)絡(luò)和熱力網(wǎng)絡(luò)是通過(guò)耦合元件MT耦合在一起的，MT產(chǎn)能的燃料是燃?xì)?，通過(guò)MT內(nèi)部工作將燃料中能量分別轉(zhuǎn)化為熱能和電能，其熱電比符合一定的函數(shù)關(guān)系。選取Capstone公司的C200型MT，忽略外界環(huán)境變化對(duì)發(fā)電、燃料燃燒效率的影響，其熱電關(guān)系數(shù)學(xué)模型為：

其中分別為 t時(shí)段 MT 的排氣余熱量、電功率和發(fā)電效率；ηl為散熱損失率；Qhe（t）為t時(shí)段溴冷機(jī)制熱量；ηhe、Kh分別為溴冷機(jī)的制熱系數(shù)和煙氣回收率；FMT（t）為t時(shí)段MT燃?xì)庀牧浚沪為MT的運(yùn)行時(shí)間長(zhǎng)度，本文取1 h；L為天然氣的低熱值，通常取 9.73 kW·h／m3。

本文算例基于Capstone公司的C200型MT，對(duì)實(shí)際數(shù)據(jù)進(jìn)行MATLAB擬合，可得的關(guān)系函數(shù)為：

若MT散熱損失率ηl固定，根據(jù)式（11）可得t時(shí)段MT發(fā)熱效率為進(jìn)而可計(jì)算得到MT發(fā)熱量。

1.4 熱網(wǎng)-電網(wǎng)綜合潮流

USIES內(nèi)耦合元件是熱網(wǎng)與電網(wǎng)連接的橋梁，基于耦合元件熱、電功率特性形成熱網(wǎng)-電網(wǎng)綜合潮流。熱網(wǎng)潮流采用牛頓-拉夫遜法求解，電網(wǎng)潮流采用前推回代法求解。熱網(wǎng)-電網(wǎng)綜合潮流可為用戶側(cè)微型能源系統(tǒng)規(guī)劃及運(yùn)行優(yōu)化提供準(zhǔn)確的基礎(chǔ)數(shù)據(jù)，熱網(wǎng)-電網(wǎng)綜合潮流求解算法流程見(jiàn)圖2。

圖2 熱網(wǎng)-電網(wǎng)綜合潮流求解算法流程圖Fig.2 Flowchart of integrated thermalelectric power flow calculation

本文中，USIES的消耗燃?xì)猱a(chǎn)能元件有MT與GB，其輸入與輸出的關(guān)系為［22-23］：

其中，Le、Lh分別為MT和GB所供應(yīng)的電負(fù)荷和熱負(fù)荷；Pg為天然氣輸入的能量；ηGB為GB的效率；0≤vMT≤1為天然氣分配系數(shù)，vMTPg表示輸入MT的天然氣，（1-vMT）Pg則表示輸入 GB 的天然氣和分別為天然氣經(jīng)過(guò)MT轉(zhuǎn)化為電力和熱能的轉(zhuǎn)換效率。

利用熱網(wǎng)-電網(wǎng)綜合潮流進(jìn)行用戶側(cè)微型能源站選址定容及接入網(wǎng)絡(luò)規(guī)劃。規(guī)劃時(shí)考慮運(yùn)行條件，通過(guò)控制可控分布式能源不僅能實(shí)現(xiàn)能量平衡和抑制風(fēng)機(jī)、光伏發(fā)電的功率波動(dòng)，而且可以協(xié)調(diào)熱網(wǎng)與電網(wǎng)之間的能源分配，從而提高能源利用率，達(dá)到經(jīng)濟(jì)性、能源效益與環(huán)保效益三者最優(yōu)。

2 用戶側(cè)微型能源站及接入網(wǎng)絡(luò)二層規(guī)劃模型

2.1 規(guī)劃思路

為了獲得更符合實(shí)際情況的分布式能源發(fā)電量與制熱量、燃料費(fèi)用、網(wǎng)損費(fèi)用等數(shù)值，需要在規(guī)劃時(shí)引入優(yōu)化調(diào)度，因此采用二層規(guī)劃方法，該方法可以解決能源站優(yōu)化配置及可控分布式能源的調(diào)度優(yōu)化問(wèn)題。

上層規(guī)劃為能源站投資決策問(wèn)題，規(guī)劃目標(biāo)是年費(fèi)用最小，決策變量是分布式能源的安裝位置與容量及接入線路；下層規(guī)劃為分布式能源優(yōu)化運(yùn)行問(wèn)題，決策變量是MT與儲(chǔ)能調(diào)度值，規(guī)劃目標(biāo)包含一次能源節(jié)約率、可控分布式能源運(yùn)行費(fèi)及網(wǎng)損費(fèi)用。上層規(guī)劃結(jié)果即分布式能源站的投資決策變量為下層規(guī)劃提供了初始條件，下層規(guī)劃所得運(yùn)行最優(yōu)值反饋到上層規(guī)劃，代入年費(fèi)用即可獲得上層規(guī)劃總的目標(biāo)函數(shù)值。

本文能源站包含風(fēng)機(jī)、光伏、儲(chǔ)能、MT及GB 5種分布式能源。

2.2 上層目標(biāo)函數(shù)

以設(shè)備年投資運(yùn)行維護(hù)費(fèi)用C、電網(wǎng)購(gòu)電年費(fèi)用CG及環(huán)境成本費(fèi)用CE最小為優(yōu)化目標(biāo)，決策變量為微型能源站安裝位置與容量，目標(biāo)函數(shù)為：

2.2.1 年投資運(yùn)行維護(hù)費(fèi)用C

年投資運(yùn)行維護(hù)費(fèi)用包含分布式能源設(shè)備投資費(fèi)用CC、分布式能源設(shè)備運(yùn)行維護(hù)費(fèi)COM及新增網(wǎng)架投資和運(yùn)行維護(hù)費(fèi)用CP。

a.分布式能源設(shè)備投資費(fèi)用CC（考慮折舊因素）。

折舊系數(shù)：

其中，NME為能源設(shè)備的種類數(shù)；Ni、αi、Ci分別為第 i類能源設(shè)備的安裝總數(shù)、固定投資年平均費(fèi)用系數(shù)、單位容量投資成本；Ciapj為第i類能源設(shè)備安裝在第j個(gè)安裝位置的安裝容量；r為折舊率；Lf為工程年限。

b.分布式能源設(shè)備運(yùn)行維護(hù)費(fèi)COM。

其中，CO為分布式能源的運(yùn)行費(fèi)，由下層目標(biāo)優(yōu)化決定；CM為分布式能源的維護(hù)費(fèi)；cMT、cB、cPV、cWT分別為MT、GB、光伏、風(fēng)機(jī)的單位能量維護(hù)費(fèi)用分別為 MT、GB、光伏、風(fēng)機(jī)的安裝總?cè)萘糠謩e為 MT、GB、光伏、風(fēng)機(jī)的容量系數(shù)。

c.新增網(wǎng)架投資及運(yùn)行維護(hù)費(fèi)用CP。

其中，NL為新增網(wǎng)架線路種類，表示熱管道和電力線路；xg，k為0-1變量，0表示第g種線路的第k條擬新建管道未被選中，1表示被選中；γg，k為第g種線路的第k條管道新建的固定投資年平均費(fèi)用系數(shù)為第g種線路的第k條管道單位長(zhǎng)度管道的投資成本；Lg，k為第g種線路的第k條新建管道的長(zhǎng)度；為第g種線路的第k條新建管道的投資及運(yùn)行維護(hù)費(fèi)用。

2.2.2 電網(wǎng)購(gòu)電年費(fèi)用CG

其中，CP、CS分別為從外網(wǎng)購(gòu)電的電價(jià)和向外網(wǎng)售電的電價(jià)；CGP，k（t）、CSP，k（t）分別為第 k 季 t時(shí)段購(gòu)電量和售電量。

2.2.3 環(huán)境成本費(fèi)用CE

污染物排放主要來(lái)源于MT、GB，為了控制空氣污染物的排放，本文引入了大氣環(huán)境指標(biāo)，主要研究NOx和CO2的排放量。

其中，Tk為四季天數(shù)；Ri為第i種污染物的環(huán)境價(jià)值（元 ／kg）分別為 MT 和 GB 的第 i種污染物的排放強(qiáng)度（kg／（kW·h））為第k季t時(shí)段 MT電功率為第k季t時(shí)段GB輸出熱量。

2.3 下層目標(biāo)函數(shù)

下層目標(biāo)函數(shù)包含年一次能源節(jié)約率ηPESR、分布式能源運(yùn)行費(fèi)CO及網(wǎng)絡(luò)損耗費(fèi)用Closs這3個(gè)函數(shù)。下層目標(biāo)函數(shù)為：

下層多目標(biāo)進(jìn)行歸一化處理，采用判斷矩陣法確定各子目標(biāo)權(quán)重，權(quán)重向量W=（0.6370，0.2583，0.1047）。

2.3.1 一次能源節(jié)約率

CHP系統(tǒng)年一次能源消耗量為：

分產(chǎn)系統(tǒng)年一次能源消耗量為：

年一次能源節(jié)約率為：

其中分別為CHP系統(tǒng)和分產(chǎn)系統(tǒng)的年電網(wǎng)購(gòu)電量（kW·h）；ηgrid為電廠供電效率；ηe為電網(wǎng)輸電效率分別為CHP系統(tǒng)中MT和GB消耗的年天然氣熱量（kW·h）為分產(chǎn)系統(tǒng)中GB消耗的年天然氣熱量（kW·h）。

2.3.2 分布式能源運(yùn)行費(fèi)CO

由于能源消耗費(fèi)用占運(yùn)行費(fèi)的絕大比重，運(yùn)行費(fèi)約等于燃料費(fèi)。

其中（t）為第 k 季 t時(shí)段在 h 位置配置的 MT的燃料成本（t）為第 k 季 t時(shí)段在 q 位置配置的GB的燃料成本。

2.3.3 網(wǎng)絡(luò)損耗費(fèi)用Closs

其中，Qloss為熱網(wǎng)損耗（kW）；Ploss為電網(wǎng)損耗（kW）；ch、cp分別為單位熱網(wǎng)網(wǎng)損成本（元／kW）和單位電網(wǎng)網(wǎng)損成本（元／kW）；Cm為比熱容，其中1 kW·h=3600000 J；Npipe為管道條數(shù)；mk，t，i、ΔTk，t，i分別為第 k季t時(shí)段第i段管道內(nèi)的質(zhì)量流量（kg／s）、首端至末端的溫度損耗（℃）；Ploss，k，t為第 k 季 t時(shí)段的電網(wǎng)損耗。

2.4 約束條件

2.4.1 電力網(wǎng)絡(luò)約束

a.支路功率約束。

其中，Pk為支路k的有功功率值為支路k的有功功率最大允許值。

b.節(jié)點(diǎn)電壓約束。

其中，Ui為節(jié)點(diǎn) i的電壓值分別為節(jié)點(diǎn) i的電壓上、下限。

c.功率平衡約束。

功率平衡約束條件滿足式（8）、（9）。

2.4.2 設(shè)備約束

a.蓄電池充放電約束。

其中，SOC（t）為蓄電池 t時(shí)刻荷電狀態(tài)；SOCmax、SOCmin分別為蓄電池的荷電狀態(tài)上、下限；PCh（t）為t時(shí)刻蓄電池的充電功率；PCh_min、PCh_max分別為蓄電池的最小、最大充電功率；PDCh（t）為t時(shí)刻蓄電池的放電功率；PDCh_min、PDCh_max分別為蓄電池的最小、最大放電功率；β1和β2分別為充、放電系數(shù)。

其中為t時(shí)刻儲(chǔ)能的充放電功率，充電時(shí)Ptes≥0，放電時(shí)

b.MT爬坡率約束。

增加功率時(shí)，爬坡率約束為：

減小功率時(shí)，爬坡率約束為：

其中，Rup，MT、Rdown，MT分別為在一個(gè)調(diào)度時(shí)段內(nèi) MT 調(diào)整的有功功率上、下限。

c.GB出力約束。

其中，QB為 GB出力；QBmin、QBmax分別為 GB最小出力和最大出力。

2.4.3 熱力網(wǎng)絡(luò)約束

熱力網(wǎng)絡(luò)采用量調(diào)節(jié)的方式進(jìn)行調(diào)節(jié)，其約束條件滿足式（1）、（3）—（5）。

2.5 下層目標(biāo)函數(shù)各項(xiàng)目標(biāo)權(quán)重的處理

多目標(biāo)問(wèn)題不能用數(shù)據(jù)大小進(jìn)行直觀比較，需要轉(zhuǎn)化成單目標(biāo)函數(shù)［25］。判斷矩陣法是一種定量和定性相結(jié)合的計(jì)算權(quán)重方法，既能在一定程度上反映客觀情況，又考慮了不同使用者對(duì)各目標(biāo)的重視程度。本文利用判斷矩陣法［26］來(lái)實(shí)現(xiàn)多目標(biāo)函數(shù)到單目標(biāo)的轉(zhuǎn)化。

判斷矩陣法的核心是根據(jù)各目標(biāo)之間的等級(jí)關(guān)系確定判斷矩陣，形成準(zhǔn)則如表1所示。

針對(duì)本文的運(yùn)行優(yōu)化問(wèn)題，可將各目標(biāo)根據(jù)重要性分等級(jí)：一次能源節(jié)約率反映系統(tǒng)改造后的節(jié)能性能，作為第1等級(jí)目標(biāo)；分布式能源運(yùn)行費(fèi)，作為反映當(dāng)前經(jīng)濟(jì)性重要考核指標(biāo)，將其作為第2等級(jí)目標(biāo)；網(wǎng)絡(luò)損耗費(fèi)用反映系統(tǒng)的運(yùn)行效率，將其作為第3等級(jí)目標(biāo)；結(jié)合上述分析，取判斷數(shù)形成判斷矩陣：

表1 判斷矩陣形成準(zhǔn)則Table 1 Formation criterions of judgment matrix

經(jīng)過(guò)矩陣處理后，得到各目標(biāo)權(quán)重向量W=（0.6370，0.2583，0.1047）。

3 求解方法

上層采用改進(jìn)遺傳算法求解［27］，引入最優(yōu)保留策略和自適應(yīng)遺傳算子，使改進(jìn)的遺傳算法能夠獲得全局最優(yōu)解。

3.1 上層規(guī)劃編碼

每個(gè)染色體分為兩部分，如表2所示。

表2 上層規(guī)劃染色體結(jié)構(gòu)Table 2 Structure of chromosome for upper planning level

染色體第一部分表示分布式能源候選位置相應(yīng)節(jié)點(diǎn)的可能安裝容量及類型，使用3位二進(jìn)制數(shù)來(lái)表示每個(gè)候選位置上分布式能源的數(shù)量，即每個(gè)位置相應(yīng)有8種可能容量，當(dāng)編碼為0時(shí)表示不接入分布式能源；每個(gè)候選位置上的分布式能源類型有5種。第二部分表示分布式能源接入網(wǎng)架的候選線路，每個(gè)分布式能源有2條候選電力線路或熱管道將其接入網(wǎng)架，該部分編碼分為2段，分別對(duì)應(yīng)新建電力線路與新建熱管道：第1段用1位二進(jìn)制數(shù)，對(duì)應(yīng)2種不同的電力線路；第2段用1位二進(jìn)制數(shù)，對(duì)應(yīng)2種不同的熱管道。

3.2 下層規(guī)劃編碼

本文采用慣性因子隨適應(yīng)值自動(dòng)改變的自適應(yīng)粒子群優(yōu)化算法。粒子的編碼如圖3所示。粒子第一部分表示儲(chǔ)能24 h調(diào)度值，用Pi1—Pi24表示，符號(hào)為正代表吸收功率，符號(hào)為負(fù)代表發(fā)出功率；粒子第二部分表示MT 24 h調(diào)度值，用Mi1—Mi24表示。

圖3 粒子編碼Fig.3 Particle coding

3.3 算法流程

a.輸入網(wǎng)絡(luò)原始數(shù)據(jù)。

b.根據(jù)原始數(shù)據(jù)進(jìn)行潮流計(jì)算，獲得初始網(wǎng)絡(luò)相應(yīng)數(shù)據(jù)。

c.按上文所述對(duì)上、下層規(guī)劃編碼。

d.產(chǎn)生上層規(guī)劃決策變量、設(shè)備容量位置及新增管道的遺傳算法初始種群。

e.生成各分布式能源、電負(fù)荷及熱負(fù)荷的各季典型日數(shù)據(jù)。

f.針對(duì)上層初始化種群中每一個(gè)個(gè)體，產(chǎn)生下層規(guī)劃初始化群體。根據(jù)下層規(guī)劃模型，對(duì)每個(gè)時(shí)段進(jìn)行熱網(wǎng)-電網(wǎng)綜合潮流計(jì)算，采用粒子群優(yōu)化算法對(duì)儲(chǔ)能、MT進(jìn)行調(diào)度，得到下層規(guī)劃目標(biāo)函數(shù)最優(yōu)值。

g.將上層初始化群體中每一個(gè)體對(duì)應(yīng)的下層規(guī)劃最優(yōu)值、每個(gè)時(shí)段的運(yùn)行費(fèi)用、每個(gè)時(shí)段的MT和GB出力、每個(gè)時(shí)段的購(gòu)電量及售電量返回上層規(guī)劃。

h.計(jì)算上層規(guī)劃模型。

i.進(jìn)行遺傳操作（選擇、交叉、變異），產(chǎn)生新種群。

j.判斷終止條件，首先若滿足收斂條件則計(jì)算結(jié)束，其次若達(dá)到最大迭代次數(shù)則計(jì)算結(jié)束；否則，t=t+1，轉(zhuǎn)至步驟 f。

4 算例及結(jié)果分析

4.1 算例介紹

以北方某商住型負(fù)荷區(qū)為例，原有區(qū)域電網(wǎng)-熱網(wǎng)結(jié)構(gòu)如圖4所示，該區(qū)域原由市政供熱、公用電網(wǎng)供電。隨著區(qū)域熱、電負(fù)荷的增長(zhǎng)，需要在用戶側(cè)新建微型能源站以滿足熱負(fù)荷及電負(fù)荷需求，新建及改造后區(qū)域熱網(wǎng)不與市政熱網(wǎng)連接，電網(wǎng)并網(wǎng)運(yùn)行，可購(gòu)電和售電。最大電負(fù)荷為2600 kW+1499.33 kvar，最大熱負(fù)荷為3214 kW。

圖4 熱網(wǎng)-電網(wǎng)結(jié)構(gòu)圖Fig.4 Structure of interconnected thermal and electric networks

由于風(fēng)機(jī)、光伏為不可控分布式能源，結(jié)合不可控分布式能源的特性及供暖規(guī)律，本文將一年分為4個(gè)季節(jié)，4個(gè)季節(jié)各選一個(gè)代表日，每個(gè)代表日分為24個(gè)時(shí)段。圖5、圖6為冬夏典型日的負(fù)荷曲線，圖7為風(fēng)機(jī)、光伏冬夏典型日出力圖。

圖5 冬夏典型日電負(fù)荷曲線Fig.5 Typical daily electric load curves of summer and winter

圖6 冬夏典型日熱負(fù)荷曲線Fig.6 Typical daily thermal load curves of summer and winter

圖7 典型日風(fēng)機(jī)與光伏出力曲線Fig.7 Typical daily power output curves of WT and PV

受風(fēng)力、光照等自然資源的影響，風(fēng)機(jī)多安裝在空曠場(chǎng)地，光伏多安裝在建筑物樓頂或外墻；儲(chǔ)能需要配合風(fēng)、光等不可控分布式能源進(jìn)行電能存儲(chǔ)，故儲(chǔ)能的安裝位置緊鄰風(fēng)機(jī)、光伏；MT與GB多安裝在熱負(fù)荷集中的位置，規(guī)劃區(qū)相對(duì)面積不大，對(duì)環(huán)境和土地占用亦有一定要求，不能隨意確定MT與GB的安裝位置。因此，應(yīng)結(jié)合實(shí)際資源分布及環(huán)境和土地、負(fù)荷分布情況，通過(guò)現(xiàn)場(chǎng)勘察確定分布式能源候選位置。圖4中光伏與風(fēng)機(jī)、儲(chǔ)能候選安裝位置為Ⅲ、Ⅴ、Ⅵ、Ⅶ；MT 與 GB 候選安裝位置為 1、2、7、11、22，含MT的系統(tǒng)采用“以電定熱”模式。

遺傳算法初始參數(shù)為：種群規(guī)模為100，迭代次數(shù)為50，交叉概率為0.9，變異概率為0.1。粒子群優(yōu)化算法初始參數(shù)為：種群規(guī)模為30，迭代次數(shù)為50，個(gè)體加速因子為2，全局加速因子為2。

表3給出涉及的相關(guān)參考價(jià)格。各主要設(shè)備的NOx與CO2排放量見(jiàn)表4。表5給出設(shè)備性能參數(shù)。

4.2 方案比較

4.2.1 不同情形下的方案比較

對(duì)3種計(jì)算情形進(jìn)行微型能源站及接入網(wǎng)絡(luò)優(yōu)化配置：情形1，分產(chǎn)系統(tǒng)，只由GB供熱，熱網(wǎng)孤島運(yùn)行，只由公用電網(wǎng)供電，無(wú)其他發(fā)電元件；情形2，CHP系統(tǒng)，MT與GB共同供熱，熱網(wǎng)孤島運(yùn)行，MT與公用電網(wǎng)共同供電，除MT無(wú)其他發(fā)電元件；情形3，區(qū)域多能源系統(tǒng)，MT與GB共同供熱，熱網(wǎng)孤島運(yùn)行，MT、風(fēng)機(jī)、光伏、儲(chǔ)能及公用電網(wǎng)共同供電。規(guī)劃結(jié)果見(jiàn)表6、表7。針對(duì)情形1—3分別形成方案1—3。

表3 相關(guān)參考價(jià)格Table 3 Relative reference prices

表4 NOx與CO2排放因子Table 4 Emission factors of NOxand CO2

表5 設(shè)備性能參數(shù)Table 5 Equipment performance parameters

表6 規(guī)劃結(jié)果Table 6 Results of planning

表7 規(guī)劃成本比較Table 7 Comparison of planned costs

由表6可知，隨著MT的接入，GB的總?cè)萘繙p少；方案3的MT容量比方案2減少200 kW，說(shuō)明可再生分布式電源的接入，減少了系統(tǒng)對(duì)MT供電的需求。

由表7數(shù)據(jù)可以看出，方案2和方案3中購(gòu)電成本都明顯優(yōu)于方案1，方案2比方案1購(gòu)電成本減小62.43%，說(shuō)明MT發(fā)電可以減少系統(tǒng)購(gòu)電量，方案3比方案2的購(gòu)電成本減小30.12%，說(shuō)明可再生分布式電源的加入進(jìn)一步減少系統(tǒng)購(gòu)電量；雖然MT和分布式電源的加入，使投資運(yùn)行維護(hù)費(fèi)用及環(huán)境成本增加了，但由于系統(tǒng)內(nèi)部發(fā)電，使購(gòu)電量減少帶來(lái)的效益大于投資運(yùn)行維護(hù)費(fèi)用及環(huán)境成本的增加，所以方案3的總成本比方案1和方案2分別減少18.83%、1.07%，方案2的總成本比方案1減少17.72%；與方案1比較，方案2和方案3的一次能源節(jié)約率分別為34.33%和41.10%，說(shuō)明雖然MT的加入使得系統(tǒng)的環(huán)境成本增加了，但是對(duì)于全社會(huì)而言，能源得到了節(jié)約，可再生分布式電源的利用可以提高一次能源節(jié)約率，所以方案3的社會(huì)環(huán)保效益優(yōu)于方案2，方案2的社會(huì)環(huán)保效益優(yōu)于方案1。

圖8給出了第3種情形的優(yōu)化結(jié)果。

圖8 熱網(wǎng)-電網(wǎng)結(jié)構(gòu)圖Fig.8 Structure of interconnected thermal and electric networks

方案3春季典型日MT制熱量見(jiàn)圖9。由圖9可知，方案3 MT從17∶00至次日06∶00之間產(chǎn)熱量較高，這是由于07∶00—16∶00之間光伏和風(fēng)機(jī)同時(shí)發(fā)電，通過(guò)優(yōu)化調(diào)度MT減少了發(fā)電量，相應(yīng)的制熱量也會(huì)減少，使系統(tǒng)能源高效利用；在“以電定熱”模式下，MT出力并未一味地滿足電負(fù)荷而處于滿發(fā)狀態(tài)，這說(shuō)明在熱網(wǎng)-電網(wǎng)綜合潮流計(jì)算時(shí)，MT的發(fā)電量受到熱網(wǎng)約束，因此可以更加合理地調(diào)度電能和熱能，更加高效地利用能源，減少了能源浪費(fèi)。

圖9 春季典型日MT制熱量Fig.9 Thermal power outputs of MT for typical day of spring

圖10給出了各方案冬季典型日凈電負(fù)荷曲線，凈電負(fù)荷是指電負(fù)荷減去系統(tǒng)內(nèi)部所有產(chǎn)電設(shè)備產(chǎn)電后的負(fù)荷值。

圖10 冬季典型日各方案凈負(fù)荷曲線Fig.10 Typical daily net load curves of winter for different schemes

由圖10可知，方案2和方案3均使系統(tǒng)購(gòu)電量下降。 系統(tǒng)采用“以電定熱”模式，06∶00—08∶00，方案2凈電負(fù)荷較低，方案3凈電負(fù)荷明顯增多，加大低負(fù)荷期間的電能利用；09∶00—13∶00，方案 2凈電負(fù)荷升高，并在10∶00出現(xiàn)峰荷，方案3將峰荷轉(zhuǎn)移，并使這段期間內(nèi)負(fù)荷變化很小；14∶00—20∶00，方案3峰谷差明顯比方案2峰谷差??；21∶00—24∶00，方案3避免了方案2中出現(xiàn)的凈電負(fù)荷最低情況；01∶00—04∶00，方案3未出現(xiàn)方案2凈電負(fù)荷劇烈變化的情況，經(jīng)上述分析可得，與方案3相比，方案2對(duì)電負(fù)荷的削峰填谷作用較小。方案3凈電負(fù)荷峰谷差最小，這說(shuō)明儲(chǔ)能作為可控元件，能夠調(diào)節(jié)系統(tǒng)內(nèi)整體電負(fù)荷水平，緩解可再生分布式電源出力帶來(lái)的波動(dòng)性，起到削峰填谷、節(jié)能降損的作用，所以方案3在支持熱網(wǎng)供熱的同時(shí)，對(duì)電網(wǎng)進(jìn)行調(diào)節(jié)效果最優(yōu)。

4.2.2 不同控制模式下的方案比較

在方案3配置下，采用2種控制模式進(jìn)行優(yōu)化：模式1，“以電定熱”模式；模式2，“以熱定電”模式。規(guī)劃結(jié)果見(jiàn)表8。

由表8數(shù)據(jù)可以看出，模式1的購(gòu)電成本比模式2的減小44.57%，這說(shuō)明“以電定熱”模式下MT發(fā)電較多，可大量減少購(gòu)電成本；雖然模式1下系統(tǒng)內(nèi)部發(fā)電較多導(dǎo)致投資運(yùn)行維護(hù)費(fèi)用及環(huán)境成本上升，但二者之和小于購(gòu)電量減少帶來(lái)的效益，所以模式1的總成本比模式2的減小4.57%；模式1的一次能源節(jié)約率比模式2的提高35.51%，說(shuō)明MT發(fā)電可大量降低，提升社會(huì)環(huán)保效益。

表8 不同控制模式下方案3年費(fèi)用比較Table 8 Comparison of annual cost between different control modes for scheme 3

方案3中MT裝機(jī)容量為800 kW，其發(fā)熱量最大約為1260 kW，僅為GB安裝容量的1／2。結(jié)合上述分析與方案3中MT裝機(jī)容量較小的情況可知，提高M(jìn)T發(fā)電量可大量降低購(gòu)電成本，從而降低總成本，且提升社會(huì)環(huán)保效益，因此“以電定熱”模式更適合于MT裝機(jī)容量較小的情況。

5 結(jié)論

本文結(jié)合熱網(wǎng)-電網(wǎng)綜合潮流，建立了考慮優(yōu)化運(yùn)行的用戶側(cè)微型能源站選址定容及接入網(wǎng)絡(luò)的二層規(guī)劃模型。研究得出以下結(jié)論。

a.采用本文用戶側(cè)微型能源站及接入網(wǎng)絡(luò)二層規(guī)劃方法得到的規(guī)劃方案，能夠獲得更高的能源利用效率、經(jīng)濟(jì)效益和環(huán)保效益。

b.用戶側(cè)微型能源站及接入網(wǎng)絡(luò)規(guī)劃需考慮熱網(wǎng)-電網(wǎng)運(yùn)行特性，利用熱網(wǎng)-電網(wǎng)綜合潮流計(jì)算可獲得更加準(zhǔn)確的網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)，從而為規(guī)劃研究提供更符合實(shí)際的數(shù)據(jù)。

c.MT可降低系統(tǒng)購(gòu)電成本及提高能源利用率；風(fēng)機(jī)與光伏能夠降低系統(tǒng)購(gòu)電費(fèi)用及提高環(huán)保效益；儲(chǔ)能可緩解風(fēng)機(jī)與光伏發(fā)電帶來(lái)的波動(dòng)性，實(shí)現(xiàn)削峰填谷和節(jié)能降損。USIES可協(xié)調(diào)熱網(wǎng)與電網(wǎng)之間的能源分配，提高能源效率，更加節(jié)能、環(huán)保、經(jīng)濟(jì)。

參考文獻(xiàn)：

［1］賈宏杰，王丹，徐憲東，等.區(qū)域綜合能源系統(tǒng)若干問(wèn)題研究［J］.電力系統(tǒng)自動(dòng)化，2015，39（7）：198-207.JIA Hongjie，WANG Dan，XU Xiandong，et al.Research on some key problems related to integrated energy systems［J］.Automation of Electric Power Systems，2015，39（7）：198-207.

［2］SHEIKH S，MALAKOOTI B.Integrated energy systems with multiobjective ［C］∥2011 IEEE Energytech.Cleveland，USA： ［s.n.］，2011：1-5.

［3］RAMIN K，HOSEYN S.Optimal sizing of stirling-CCHP systems for residential buildings at diverse climatic conditions［J］.Applied Thermal Engineering，2015，89：377-393.

［4］HANAFIZADEH P，ESHRAGHI J，AHMADI P，et al.Evaluation and sizing of a CCHP system for a commercial and office buildings［J］.Journal of Building Engineering，2016，5：67-78.

［5］賈晨，吳聰，張超，等.基于電熱系統(tǒng)聯(lián)合規(guī)劃的城市商住混合區(qū)能源站優(yōu)化配置［J］.電力系統(tǒng)保護(hù)與控制，2017，45（6）：30-36.JIA Chen，WU Cong，ZHANG Chao，et al.Optimum configuration of energy station in urban hybrid area of commerce and residence based on integrated planning of electricity and heat system ［J］.Power System Protection and Control，2017，45（6）：30-36.

［6］ZHANG Xianjun，KARADY G G，ARIARATNAM S T.Optimal allocation of CHP-based distributed generation on urban energy distribution networks［J］.IEEE Transactions on Sustainable Energy，2013，5（1）：246-253.

［7］AMERI M，BESHARATI Z.Optimal design and operation of district heating and cooling networks with CCHP systems in a residential complex［J］.Energy&Buildings，2015，110：135-148.

［8］郭宇航，胡博，萬(wàn)凌云，等.含熱泵的熱電聯(lián)產(chǎn)型微電網(wǎng)短期最優(yōu)經(jīng)濟(jì)運(yùn)行［J］. 電力系統(tǒng)自動(dòng)化，2015，39（14）：16-22.GUO Yuhang，HU Bo，WAN Lingyun，et al.Optimal economic short-term scheduling of CHP microgrid incorporating heat pump［J］.Automation of Electric Power Systems，2015，39（14）：16-22.

［9］王進(jìn)，李欣然，楊洪明，等.與電力系統(tǒng)協(xié)同區(qū)域型分布式冷熱電聯(lián)供能源系統(tǒng)集成方案［J］. 電力系統(tǒng)自動(dòng)化，2014，38（16）：16-21.WANG Jin，LI Xinran，YANG Hongming，et al.An integration scheme for DES ／CCHP coordinated with power system［J］.Automation of Electric Power Systems，2014，38（16）：16-21.

［10］WANG Haichao，YIN Wusong，ABDOLLAHI E，et al.Modelling and optimization of CHP based district heating system with renewable energy production and energy storage［J］.Applied Energy，2015，159：401-421.

［11］REY G，ULLOA C，CACABELOS A，et al.Performance analysis,model development and validation with experimental data of an ICE-based micro-CCHP system ［J］.Applied Thermal Engineering，2015，76：233-244.

［12］BASRAWI F，IBRAHIM H，YAMADA T.Optimal unit sizing of biogas-fuelled micro gas turbine cogeneration systems in a sewage treatment plant［J］.Energy Procedia，2015，75：1052-1058.

［13］于波，吳亮，盧欣，等.區(qū)域綜合能源系統(tǒng)優(yōu)化調(diào)度方法［J］.電力建設(shè)，2016，37（1）：70-76.YU Bo，WU Liang，LU Xin，et al.Optimal dispatching method of integrated community energy system［J］.Electric Power Construction，2016，37（1）：70-76.

［14］施錦月，許健，曾博，等.基于熱電比可調(diào)模式的區(qū)域綜合能源系統(tǒng)雙層優(yōu)化運(yùn)行［J］.電網(wǎng)技術(shù)，2016，40（10）：2959-2966.SHI Jinyue，XU Jian，ZENG Bo，et al.A bi-level optimal operation for energy hub based on regulating heat-to-electric ratio mode［J］.Power System Technology，2016，40（10）：2959-2966.

［15］張立梅，唐巍，王少林，等.綜合考慮電力公司和獨(dú)立發(fā)電商利益的分布式電源規(guī)劃［J］.電力系統(tǒng)自動(dòng)化，2011，35（4）：23-28.ZHANG Limei，TANG Wei，WANG Shaolin，et al.Distributed generators planning considering benefits for distribution power company and independent power suppliers［J］.Automation of Electric Power Systems，2011，35（4）：23-28.

［16］王瑞琪，李珂，張承慧，等.基于多目標(biāo)混沌量子遺傳算法的分布式電源規(guī)劃［J］.電網(wǎng)技術(shù)，2011，35（12）：183-189.WANG Ruiqi，LI Ke，ZHANG Chenghui，et al.Distributed generation planning based on multi-objective chaotic quantum genetic algorithm［J］.Power System Technology，2011，35（12）：183-189.

［17］鄧威，李欣然，李培強(qiáng)，等.基于互補(bǔ)性的間歇性分布式電源在配網(wǎng)中的優(yōu)化配置［J］.電工技術(shù)學(xué)報(bào)，2013，28（6）：216-225.DENG Wei，LI Xinran，LI Peiqiang，et al.Optimal allocation of intermittent distributed generation considering complementarity in distributed network［J］.Transactions of China Electrotechnical Society，2013，28（6）：216-225.

［18］吳雄，王秀麗，李駿，等.風(fēng)電儲(chǔ)能混合系統(tǒng)的聯(lián)合調(diào)度模型及求解［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（13）：10-17.WU Xiong，WANG Xiuli，LI Jun，et al.A joint operation model and solution for hybrid wind energy storage systems［J］.Proceeding of the CSEE，2013，33（13）：10-17.

［19］楊秀媛，黃丹，申洪.多能源互補(bǔ)獨(dú)立電力系統(tǒng)的控制策略仿真研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（4）：156-162.YANG Xiuyuan，HUANG Dan，SHEN Hong.Research on control strategy of multi-energy complementary isolated power system［J］.Proceeding of the CSEE，2013，33（4）：156-162.

［20］LIU Xuezhi.Combined analysis of electricity and heat networks［D］.Cardiff，UK：Cardiff University，2013.

［21］張立梅，唐巍.計(jì)及分布式電源的配電網(wǎng)前推回代潮流計(jì)算［J］.電工技術(shù)學(xué)報(bào)，2010，25（8）：123-130.ZHANG Limei，TANG Wei.Back ／forwardsweeppowerflow calculation method of distribution networks with DGs［J］.Transactions of China Electrotechnical Society，2010，25（8）：123-130.

［22］MOEINI-AGHTAIE M，ABBASPOUR A，F(xiàn)OTUHI-FIRUZABAD M，et al.A decomposed solution to multiple-energy carriers optimal power flow［J］.IEEE Transactions on Power Systems，2014，29（2）：707-716.

［23］徐憲東，賈宏杰，靳小龍，等.區(qū)域綜合能源系統(tǒng)電/氣/熱混合潮流算法研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（14）：3634-3642.XU Xiandong，JIA Hongjie，JIN Xiaolong，et al.Study on hybrid heat-gas-power flow algorithm for integrated community energy system［J］.Proceedings of the CSEE，2015，35（14）：3634-3642.

［24］曾飛.燃?xì)廨啓C(jī)冷熱電聯(lián)產(chǎn)系統(tǒng)多目標(biāo)優(yōu)化配置與運(yùn)行策略研究［D］.廣州：華南理工大學(xué)，2013.ZENG Fei.Study on gas turbine based CCHP system multiobjective optimal configuration and operation strategy［D］.Guangzhou：South China University of Technology，2013.

［25］MARTINS V F，BORGES C L T.Active distribution network integrated planning incorporating distributed generation and load response uncertainties［J］.IEEE Transactions on Power Systems，2011，26（4）：2164-2172.

［26］趙霞，趙成勇，賈秀芳，等.基于可變權(quán)重的電能質(zhì)量模糊綜合評(píng)估［J］. 電網(wǎng)技術(shù)，2005，29（6）：11-16.ZHAO Xia，ZHAO Chengyong，JIA Xiufang，et al.Fuzzy synthetic evaluation of power quality based on changeable weight［J］.Power System Technology，2005，29（6）：11-16.

［27］白牧可，唐巍，閆濤，等.基于虛擬分區(qū)調(diào)度和二層規(guī)劃的城市配電網(wǎng)光伏-儲(chǔ)能優(yōu)化配置［J］. 電力自動(dòng)化設(shè)備，2016，36（5）：141-148.BAI Muke，TANG Wei，YAN Tao，et al.Optimization configuration of photovoltaic generation and energy storage in urban active power distribution grid based on scheduling of virtual partition and bi-level programming［J］.Electric Power Automation Equipment，2016，36（5）：141-148.